AI נוירו-סימבולי: מכונה שיכולה סוף סוף להתמודד עם היגיון ולמידה

• מְחַבֵּר:
• שם היוצר

  Quantumrun Foresight
• אפריל 13, 2023

למידת מכונה (ML) תמיד הייתה טכנולוגיה מבטיחה עם האתגרים הייחודיים שלה, אבל חוקרים מחפשים ליצור מערכת מבוססת לוגיקה שחורגת מ-Big Data. מערכות מבוססות לוגיקה נועדו לעבוד עם ייצוגים והיגיון סימבוליים, שיכולים לספק דרך שקופה יותר וניתנת לפרשנות להבנת תהליך קבלת ההחלטות של המערכת. 

הקשר AI נוירו-סימבולי

AI נוירו-סימבולי (נקרא גם AI מורכב) משלב שני ענפים של בינה מלאכותית (AI). ראשית הוא ה-AI הסימבולי, המשתמש בסמלים כדי להבין יחסים וכללים (כלומר, צבע וצורה של אובייקט). כדי ש-AI סימבולי יעבוד, בסיס הידע חייב להיות מדויק, מפורט וממצה. דרישה זו פירושה שהוא לא יכול ללמוד בעצמו ותלוי במומחיות אנושית כדי להמשיך לעדכן את בסיס הידע. 

המרכיב השני של AI נוירו-סימבולי הוא רשתות עצביות עמוקות (רשתות עמוקות) או למידה עמוקה (DL). טכנולוגיה זו משתמשת בשכבות רבות של צמתים המחקות את הנוירונים של המוח האנושי כדי ללמוד בעצמו לעבד מערכי נתונים גדולים. לדוגמה, רשתות עמוקות יכולות לעבור דרך תמונות שונות של חתולים וכלבים כדי לזהות במדויק מי הוא איזה, והן משתפרות עם הזמן. עם זאת, מה שרשתות עמוקות לא יכולות לעשות הוא לעבד מערכות יחסים מורכבות. על ידי שילוב של בינה מלאכותית סמלית ורשתות עמוקות, החוקרים משתמשים ב-DL כדי לצבור כמויות גדולות של נתונים לבסיס הידע, ולאחר מכן בינה מלאכותית סמלית יכולה להסיק או לזהות כללים ויחסים. שילוב זה מאפשר גילוי ידע יעיל ומדויק יותר וקבלת החלטות.

תחום נוסף ש-AI נוירו-סימבולי מתייחס אליו הוא תהליך ההכשרה היקר של Deep Net. בנוסף, רשתות עמוקות יכולות להיות רגישות לשינויים קטנים בנתוני קלט, מה שמוביל לשגיאות סיווג. הם גם נאבקים בהיגיון מופשט ולענות על שאלות ללא הרבה נתוני הכשרה. יתר על כן, העבודה הפנימית של רשתות אלה מורכבת וקשה לבני אדם להבנה, מה שהופך את זה לאתגר לפרש את ההיגיון מאחורי התחזיות שלהם.

השפעה משבשת

חוקרים מאוניברסיטת סטנפורד ערכו מחקרים ראשוניים של בינה מלאכותית מורכבת תוך שימוש ב-100,000 תמונות של צורות תלת-ממדיות בסיסיות (ריבועים, כדורים, גלילים וכו'). לאחר מכן השתמשו בשאלות שונות כדי לאמן את ההיברידית לעבד נתונים ולהסיק יחסים (למשל, האם הקוביות אדומות? ). הם גילו שבינה מלאכותית נוירו-סימבולית יכולה לענות נכון על השאלות הללו ב-3 אחוז מהמקרים. בנוסף, ההיברידית דרשה רק 98.9 אחוז מנתוני ההדרכה כדי לפתח פתרונות. 

מכיוון שסמלים או כללים שולטים ברשתות עמוקות, החוקרים יכולים לראות בקלות כיצד הם "לומדים" והיכן מתרחשות תקלות. בעבר, זו הייתה אחת מנקודות התורפה של רשתות עמוקות, חוסר היכולת להיות במעקב בגלל שכבות ושכבות של קודים ואלגוריתמים מורכבים. בינה מלאכותית נוירו-סמלית נבדקת בכלי רכב בנהיגה עצמית כדי לזהות עצמים על הכביש וכל שינוי בסביבה. לאחר מכן הוא מאומן להגיב כראוי לגורמים חיצוניים אלה. 

עם זאת, ישנן דעות שונות לגבי האם השילוב של AI סימבולי ורשתות עמוקות הוא הדרך הטובה ביותר לעבר AI מתקדם יותר. כמה חוקרים, כמו אלה מאוניברסיטת בראון, מאמינים שגישה היברידית זו עשויה שלא להתאים לרמת ההיגיון המופשט שהשיג מוחות אנושיים. המוח האנושי יכול ליצור ייצוגים סמליים של אובייקטים ולבצע סוגים שונים של חשיבה באמצעות סמלים אלו, תוך שימוש ברשתות עצביות ביולוגיות, ללא צורך במרכיב סימבולי ייעודי. כמה מומחים טוענים ששיטות חלופיות, כמו הוספת תכונות לרשתות עמוקות המחקות יכולות אנושיות, עשויות להיות יעילות יותר בשיפור יכולות הבינה המלאכותית.

יישומים עבור AI נוירו-סימבולי

יישומים מסוימים עבור AI נוירו-סימבולי עשויים לכלול:

• בוטים, כמו צ'טבוטים, שיכולים להבין טוב יותר פקודות ומוטיבציה אנושית, לייצר תגובות ושירותים מדויקים יותר.
• היישום שלו בתרחישים מורכבים ורגישים יותר של פתרון בעיות כמו אבחון רפואי, תכנון טיפול ופיתוח תרופות. ניתן ליישם את הטכנולוגיה גם כדי להאיץ מחקר מדעי וטכנולוגי לתחומים כמו תחבורה, אנרגיה וייצור. 
• אוטומציה של תהליכי קבלת החלטות הדורשים כיום שיקול דעת אנושי. כתוצאה מכך, יישומים כאלה עלולים להוביל לאובדן אמפתיה ואחריות בתחומים מסוימים כמו שירות לקוחות.
• מכשירים חכמים יותר אינטואיטיביים ועוזרים וירטואליים שיכולים לעבד תרחישים שונים, כמו חיסכון יזום בחשמל ויישום אמצעי אבטחה.
• שאלות אתיות ומשפטיות חדשות, כגון נושאים הקשורים לפרטיות, בעלות ואחריות.
• קבלת החלטות משופרת בממשלה ובהקשרים פוליטיים אחרים. טכנולוגיה זו יכולה לשמש גם כדי להשפיע על דעת הקהל באמצעות פרסום ממוקד יותר ויצירת פרסומות ומדיה מותאמים אישית.

שאלות שכדאי לקחת בחשבון

• איך עוד לדעתך AI נוירו-סימבולי ישפיע על חיי היום-יום שלנו?
• כיצד ניתן להשתמש בטכנולוגיה זו בתעשיות אחרות?